ECGomics 디지털 바이오마커 AI ECG 플랫폼

초록

ECGomics는 심전도 신호를 구조·강도·기능·비교 네 차원으로 분해하여 전문가 규칙과 딥러닝 임베딩을 결합한 디지털 바이오마커를 자동 추출하는 오픈소스 플랫폼이다. 웹과 모바일 인터페이스를 제공해 대규모 데이터 수집·분석을 지원하고, 추출된 특징을 임상·다중오믹스 연계 분석에 활용한다.

상세 분석

본 논문은 기존 ECG 해석의 두 축, 즉 해석 가능성이 높은 전문가 기반 특징과 데이터 의존도가 큰 딥러닝 모델 사이의 트레이드오프를 해소하고자 ‘ECGomics’라는 새로운 패러다임을 제시한다. 핵심 아이디어는 유전체학의 계통학적 분류 방식을 차용해 심전도 신호를 네 가지 차원—구조(Structural), 강도(Intensity), 기능(Functional), 비교(Comparative)—으로 체계화하는 것이다. 구조 차원은 P‑wave, QRS, T‑wave와 같은 전통적인 파형 길이·진폭을 전문가 규칙 기반 ENCASE 파이프라인으로 추출한다. 강도 차원은 신호의 에너지 분포·비선형 복잡성을 스펙트럼 분석·R‑R 간격 스키넬리티와 같은 통계량으로 정량화한다. 기능 차원은 HRV, QRS 파편화 정도 등 자율신경 조절 지표를 FeatureDB를 통해 계산한다. 마지막 비교 차원은 사전 학습된 Net1D 기반 CardioLearn?와 ECGFounder 모델의 고차원 임베딩을 활용해 개인 ECG를 대규모 인구 데이터베이스와 매핑함으로써 ‘심장 연령’, 질병 위험, 전신 상태 추정 등 예측 변수를 도출한다.

기술 구현 측면에서 저자들은 Net1D 아키텍처를 기반으로 한 다중태스크 딥러닝 모델을 구축하고, 이를 ENCASE·FeatureDB와 연동해 하이브리드 파이프라인을 완성했다. 웹 플랫폼은 12‑lead ECG를 고해상도로 시각화하고, 파라미터를 정밀하게 조정해 대량 데이터 배치를 처리한다. 모바일 앱은 휴대용 센서와 클라우드 엔진을 연결해 실시간 신호 수집·즉시 분석 보고서를 제공한다. 데이터 흐름은 원시 신호 → 전처리 → 차원별 특징 추출 → 통합 벡터 생성 → 임상·다중오믹스 매핑 → 예측 모델 적용 순으로 진행된다.

분석 결과, 구조·강도·기능 특징은 기존 임상 지표와 높은 상관성을 보이며, 비교 차원의 딥 임베딩은 ‘ECG age’와 같은 새로운 바이오마커를 생성한다. XGBoost 기반 위험 예측 모델에 통합된 다차원 특징은 급성 심혈관 사건, 만성 신장 질환, 빈혈 등 비심혈관 질환까지도 높은 정확도로 판별한다. 또한, ECGomics는 ECG와 유전체·전사체·단백질체 데이터 간 연관성을 탐색할 수 있는 인터페이스를 제공해, 전신 건강 상태를 심전도 하나만으로도 추정할 수 있는 가능성을 열어준다.

전체적으로 ECGomics는 해석 가능성과 데이터 효율성을 동시에 만족시키는 통합 플랫폼으로, 디지털 바이오마커 발견, 정밀 의학, 원격 모니터링 등 다양한 임상·연구 분야에 적용 가능성을 제시한다.